Geri Dön

Yapay Öğrenme ile gen dizilimindeki eksik verinin tamamlanması

Imputation of genome sequences using Machine Learning

PDF İndir

  1. Tez No: 532149
  2. Yazar: MİTHAT RAŞİT ÖZÇIKRIKCI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ALİ OSMAN ÇIBIKDİKEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Biyoinformatik, Makine öğrenmesi yöntemleri, Yapay zeka, Bioinformatics, Machine learning methods, Artificial intelligence
  7. Yıl: 2018
  8. Dil: Türkçe
  9. Üniversite: Necmettin Erbakan Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Canlıların DNA dizilimleri büyük oranda aynıdır. DNA dizilimi içerisinde polimorfik özellik gösteren farklı alt dizilim bölgeleri ise aynı türe sahip bireylerin birbirinden farklı olan yönlerini kodlar. Bireye göre polimorfik özellik gösteren alt dizilimlerin toplamı ilgili bireyin genotipini oluşturur. Hücre örneklerinden genetik materyalin elde edilmesi ve elde edilen genetik materyalden de genotip verisinin elde edilme sürecinde cihaz hassasiyeti kaynaklı kayıp veri problemi ile karşılaşılmaktadır. Eldeki genotip verisi üzerinde kayıp veri bölgelerinin bulunması ise genetik araştırmaları kötü yönde etkilemektedir. Kayıp veri bölgelerine sahip genotip verileri üzerinde yüksek başarımlı analizler gerçekleştirilememektedir. Bundan kaynaklanan istatistiksel eksiklikler genetik haritalamayı imkansız hale getirdiği için fenotipik özelliklerin veya herhangi bir hastalığın genetik arka planı bulunamamaktadır. Tüm bu sebeplerden dolayı kayıp verilerin tamamlanması, biyoenformatik analizlerin en temel gerekliliği haline gelmektedir. Genotip verisi üzerinde kayıp veri tahmini işlemini gerçekleştirebilmek için farklı istatistiksel modeller kullanılmakla birlikte en çok kullanılan istatistiksel model, Markov zincirleri olmuştur. Markov zincirleriyle yüksek başarımlı kayıp veri tahmini yapılabilmektedir. Çalışmada Markov zincirleriyle yapılan çalışmalar incelenmiş olup, patlıcan türündeki bireylere ait kayıp veri bölgeleri içeren genotip verisi üzerinde uygulanmış olup aynı veri üzerinde kayıp veri tahmini işleminin yapay öğrenme algoritmalarıyla gerçekleştirilmesi araştırılıp aynı patlıcan genotip veri seti üzerinde uygulanmıştır.

Özet (Çeviri)

DNA sequences of living organisms are substantially equivalent. Polymorphic subsequence regions on DNA sequence define different from another attribute of same kind of individuals. Genotype consist of this polymorphic subsequences. Obtaining genetic material from cell samples and obtaining genotype data from obtained genetic material is encountered with lost data problem. The discovery of missing data regions on the existing genotype data is affecting the genetic researches in the worst way. Analysis is impossible on genotype data that contains missing subsequence region. Since genetic mapping can not be performed, the disease genetic relationship can not be established today. The most commonly used statistical model is the Markov chains, although different statistical models are used to perform the loss estimation on the genotype data. Markov chains can predict high performance loss data. In the study, Markov chain and machine learning based imputation methods are researched and estimation of lost data was performed by using deep learning methods on genotype data of eggplant tuna.

Benzer Tezler

  1. Tez No

    740649

    Yapay öğrenme bazlı hesaplamalı modelleme ile geniş çaplı kanser hücre hattı ilaç yanıt tahmini

    Comprehensive cancer cell line drug response prediction by machine learning based computational modelling

    UMUT ONUR ÖZCAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    GenetikHacettepe Üniversitesi

    Biyoenformatik Ana Bilim Dalı

    DOÇ. DR. TUNCA DOĞAN

  2. Tez No

    980850

    Rna-seq gen ekspresyonu verileri üzerinde derin öğrenme ile kanser sınıflandırması ve uygulaması

    Cancer classification and application with deep learning on rna-seq gene expression data

    BÜŞRA ÇETİNKAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Ticaret Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUSTAFA CEM KASAPBAŞI

  3. Tez No

    992222

    Derin öğrenme modelleriyle biyolojik veri analizi: DNA2VEC tabanlı gömülü temsil ve derin sinir ağı ile promotör sınıflandırması

    Biological data analysis with deep learning models: Promoter classification using DNA2VEC-Based embedding and deep neural network

    ALEYNA MENGEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSivas Cumhuriyet Üniversitesi

    Yapay Zeka ve Veri Bilimi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ EMRE DELİBAŞ

  4. Tez No

    780063

    Yapay öğrenme ve biyoinformatik yöntemlerle obezitenin kansere etkisinin araştırılması

    Investigation of the effect of obesity on cancer with artificial learning and bioinformatics methods

    AYŞEGÜL ÇİFÇİ

    Doktora

    Türkçe

    Türkçe

    2023

    BiyoistatistikEge Üniversitesi

    Sağlık Biyoinformatiği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖZGÜR GÜMÜŞ

  5. Tez No

    580256

    Nehir akışının yapay zeka ve trend analizi metotları ile tahmini

    Estimation of river flow by using the artificial intelligence and trend analysis methods

    ALİ YILDIRAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    İnşaat MühendisliğiBilecik Şeyh Edebali Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SÜHEYLA YEREL KANDEMİR

Geri Dön